郑 红，叶 成，金永红，程云辉

1.华东理工大学信息科学与工程学院，上海200237

2.上海师范大学商学院，上海200234

互联网的高速发展摧生了互联网应用市场的繁荣，也使互联网行业的竞争愈发激烈.客户的消费行为是企业获利的重要渠道，用户群体越大，企业获利的空间越大[1].当用户流失的速度低于获取新客的速度时，用户量呈增加状态.研究表明，吸引一个新用户的成本是维护一个老用户成本的4 至5 倍[2]，如果用户留存率提高5%，利润率将提高25%[3].

用户流失现象可以解释为在一段时间内用户从当前平台转移到其他平台的现象[4].大量的用户流失，不仅会影响企业盈利，而且也会带来一系列的负面影响，比如：损害公司估值、使企业市场规模缩水、伤害企业信誉和影响市场情绪、与同行竞争中处于下风等.因此，提前预测可能的流失用户并及时发出用户流失预警对降低用户流失率具有重要的现实意义.

流失用户预测问题本质上是将用户分类成流失和留存两种类别的问题[5].国内外学者提出了许多方法试图提高流失用户预测准确率，如决策树、支持向量机(support vector machine,SVM)、聚类算法以及人工神经网络等.文献[6]通过对电信行业用户流失的研究，提出了一个基于决策树和逻辑回归比较的统计生存分析工具进行用户流失预测.文献[7]基于逻辑回归模型，通过对电子商务客户流失行为的研究，建立了电子商务用户流失预测模型.文献[8]利用K-means 聚类算法探究了电信……